FPGA中包含五个模块CMOSSensorDataCapture、I2C

《FPGA中包含五个模块CMOSSensorDataCapture、I2C》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、FPGA中包含五个模块：CMOSSensorDataCapture、I2CSensorConfiguration、BayerColorPatternDataTo30-BitRGB、Multi-PortSDRAMController及VGAControllerAndDataRequest，这五个模块在数字相机模块中的用途介绍如下：　　(1) CMOSSensorDataCapture模块（图像采集）：提供CIS工作所需的主时钟，并且通过FVAL(FrameValid)、LVAL(LineValid)及PCLK(PixelClo

2、ck)三个同步信号，正确抓取CIS送回FPGA的数据流，为下一级处理准备数据。可用外部按键控制实时或单张抓取图像。　　(2) I2CSensorConfiguration模块（I2C模块）：内部包含了一个I2C总线控制器以及一个对应于CIS内部寄存器地址的查找表，通过I2C总线提供开机或外部按键设定时完整的CIS配置，可调整增益、曝光时间、CIS输出格式等。(3) BayerColorPatternDataTo30-BitRGB模块（数据转换）：使用行缓冲+流水线的处理方式，将前一级抓取到的行数据(bayercolorpat

3、tern)实时转换成为标准的30位RGB数据并进行适当的下采样，以便于后续的图像处理及显示。　　(4) Multi-PortSDRAMController模块（Sdram控制）：内部为一个工业级的SDRAM控制器，可将一个SDRAM数据端口仿真成四个虚拟的数据端口(两个写端口+两个读端口)；可以将30位的RGB数据存入16位数据宽度的SDRAM中，并且在同一时间内，配合下一级处理的需求，送出之前存入的RGB数据，形成一个完整的帧缓冲器。(5) VGAControllerAndDataRequest模块（VGA控制）：产生VG

4、A(640×480)分辨率所需要的同步信号，并且配合同步信号从帧缓冲器获得数据，在VGA显示器上显示实时图像设计实现1SDRAM模块的设计型号为CYCLON2EP2C35Q672C6的FPGA含有M4K的内存，但考虑到图像的容量及今后电路功能的扩展，本设计选用了存储容量为8M的外存SDRAM。由于SdraM控制结构复杂，必须设计专门的控制器进行控制操作。DE2实验板上的SDRAM在存储空间上划分了4个BANK区块，每个bank16位数据宽。由于本设计采集的图像色彩为24位，RGB各8位，显然用一个16位宽度BANK不能存储一

5、个像素，因此采用了2个bank合并存储像素，如图2。这样一来，一个SDRAM数据端口需要仿真成四个虚拟的数据端口（两个写端口＋两个读端口），在同一时刻将一个像素RGB从两个BANK中同时写入或读出，形成一个完整的数据。图24端口SDRAM结构2图像比例变换模块在图像的比例变换的处理上，有两种方案可选，第一种位线性插值算法，但这种方法由于太复杂而没有采用。第二种位抽取算法，即通过变换分辨率的方法实现，将原来的640×480的分辨率变换为120×60的分辨率，这样图像的宽高比近似为16：9。这种算法最大的特点就是简单，通过直接丢

6、弃部分原始数据达到分辨率的压缩。具体做法是，将分辨率为640×480的图像每隔2行实现行标记，在标记的行里，每隔6个像素进行列表记，最后将行列都被标记过的像素取出，从而实现图像的比例变换。3图像的灰阶变换模块图像的灰阶变换的处理上，也有两种方案可选，一种是最简单的方式是使用公式GRAY=(R+G+B)/3这种方法简单，但是处理的色彩效果不是很理想。第二种方法是采用经典公式：Gray= 0.299*R+0.587*G+0.114*B这种方法处理的灰阶效果最理想。因此本设计采用了第二种方法。但是这种方法存在的一个问题是计算涉及到

7、浮点运算，因为硬件描述语言不能处理浮点运算，所以必须对公式进行变形：将整个运算式先进行放大处理，最后再缩小。將算式左右两边放大512倍，也就是2的9次方，相当于<<9，公式变形得：Grayb>>9 =R*153+G*300+B*58;最后再将变形后计算出的结果再缩小512倍，就得到了灰阶的数据。4图像的边缘检测模块边缘检测技术是图像处理的一项基本技术，它是图像分割、目标区域识别、区域形状提取等图像分析领域中十分重要的基础，在工业、航天、医学、军事等领域中有着广泛的应用，在工程应用中占有十分重要的地位。常用的边缘检测算法通过梯

8、度算子来实现，在求边缘的梯度时，需要对每个象素位置计算。在实际中常用小区域模板卷积来近似计算，模板采用N*N的权值方阵。经典的梯度算子有：Sobel模板、Kirsch模板、Prewitt模板、Roberts模板、Laplacian模板等[2]，在众多的图像边缘检测算法中，Soble算法具有